Key points are not available for this paper at this time.
Devido ao crescimento exponencial na popularidade das redes sociais online (RSOs), como Twitter e Facebook, o número de contas de máquinas projetadas para imitar usuários humanos aumentou. As contas de bots sociais (Sybils) tornaram-se mais sofisticadas e enganosas em seus esforços para replicar os comportamentos de contas normais. Assim, há uma necessidade distinta para a comunidade de pesquisa desenvolver tecnologias que possam detectar bots sociais. Este artigo apresenta uma revisão das técnicas recentes que surgiram para diferenciar entre contas de bots sociais e contas humanas. Limitamos a análise à detecção de bots sociais na plataforma de mídia social Twitter. Revisamos os vários esquemas de detecção que estão atualmente em uso e examinamos aspectos comuns como o classificador, conjuntos de dados e características selecionadas empregadas. Também comparamos as técnicas de avaliação que são utilizadas para validar os classificadores. Finalmente, destacamos os desafios que permanecem no domínio da detecção de bots sociais e consideramos direções futuras para os esforços de pesquisa projetados para resolver esse problema.
Alothali et al. (Qui,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: